pca#

使用主成分分析 (PCA) 减少特征数量的组件。

模块内容#

类摘要#

PCA

使用主成分分析 (PCA) 减少特征数量。

内容#

class evalml.pipelines.components.transformers.dimensionality_reduction.pca.PCA(variance=0.95, n_components=None, random_seed=0, **kwargs)[source]#

使用主成分分析 (PCA) 减少特征数量。

参数

variance (float) – 减少特征数量时应保留的原始数据方差的百分比。默认为 0.95。
n_components (int) – 计算 SVD 后要保留的特征数量。默认为 None，但如果设置了此参数，将覆盖 variance 变量。
random_seed (int) – 随机数生成器的种子。默认为 0。

属性

hyperparameter_ranges	Real(0.25, 1)}:type: {“variance”
modifies_features	True
modifies_target	False
name	PCA 转换器
training_only	False

方法

`clone`	使用相同的参数和随机状态构造新的组件实例。
`default_parameters`	返回此组件的默认参数。
`describe`	描述组件及其参数。
`fit`	拟合 PCA 组件。
`fit_transform`	使用 PCA 组件拟合并转换数据。
`load`	从文件路径加载组件。
`needs_fitting`	返回布尔值，确定组件在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合。
`parameters`	返回用于初始化组件的参数。
`save`	将组件保存到文件路径。
`transform`	使用已拟合的 PCA 组件转换数据。
`update_parameters`	更新组件的参数字典。

clone(self)#

使用相同的参数和随机状态构造新的组件实例。

返回值: 具有相同参数和随机状态的新组件实例。

default_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default_parameters == Component().parameters。

返回值: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述组件及其参数。

参数

print_name (bool, optional) – 是否打印组件名称
return_dict (bool, optional) – 是否以 {“name”: name, “parameters”: parameters} 格式将描述作为字典返回

返回值

如果 return_dict 为 True，则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y=None)[source]#

拟合 PCA 组件。

参数

X (pd.DataFrame) – 形状为 [n_samples, n_features] 的输入训练数据。
y (pd.Series, optional) – 长度为 [n_samples] 的目标训练数据。

返回值

self

抛出异常

ValueError – 如果输入数据不全为数值类型。

fit_transform(self, X, y=None)[source]#

使用 PCA 组件拟合并转换数据。

参数

X (pd.DataFrame) – 形状为 [n_samples, n_features] 的输入训练数据。
y (pd.Series, optional) – 长度为 [n_samples] 的目标训练数据。

返回值

转换后的数据。

返回类型

pd.DataFrame

抛出异常

ValueError – 如果输入数据不全为数值类型。

static load(file_path)#

从文件路径加载组件。

参数: file_path (str) – 加载文件的位置。
返回值: ComponentBase 对象

needs_fitting(self)#

返回布尔值，确定组件在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合。

对于不需要拟合或其拟合方法不做任何操作的组件，此值可以被覆盖为 False。

返回值: True。

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file_path (str) – 保存文件的位置。
pickle_protocol (int) – Pickle 数据流格式。

transform(self, X, y=None)[source]#

使用已拟合的 PCA 组件转换数据。

参数

X (pd.DataFrame) – 形状为 [n_samples, n_features] 的输入训练数据。
y (pd.Series, optional) – 长度为 [n_samples] 的目标训练数据。

返回值

转换后的数据。

返回类型

pd.DataFrame

抛出异常

ValueError – 如果输入数据不全为数值类型。

update_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update_dict (dict) – 要更新的参数字典。
reset_fit (bool, optional) – 如果为 True，则会将 _is_fitted 设置为 False。